首页|贝叶斯框架下的自适应质量变量预测模型

贝叶斯框架下的自适应质量变量预测模型

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对工业生产过程中的时变性问题,提出贝叶斯网络框架下的自适应质量变量预测建模方法.采用改进的即时学习策略,将数据库分成若干局部数据子集,快速选择与待测样本相似度较高的一组数据作为训练样本,再利用主成分分析对训练样本过程变量进行特征提取,借此作为网络模型输入变量.利用基于改进Figueiredo-Jain算法的EM算法估计高斯混合模型参数,构建高斯混合模型逼近贝叶斯网络联合概率密度,训练得到贝叶斯网络下的自适应质量变量预测模型.基于田纳西伊斯曼(TE)仿真过程获得的数据,利用该方法对成分XG进行预测并与传统PCA-BN模型对比.结果证实该方法最大误差下降14.4％,均方根误差下降7.5％,相对误差下降8.3％,验证了该方法解决时变性问题的有效性.
An Adaptive Quality Variable Prediction Model in a Bayesian Framework

朱雨婷、田颖

展开 >

上海理工大学机械工程学院

上海理工大学光电信息与计算机工程学院,上海200093

贝叶斯网络 即时学习 EM算法 高斯混合模型 质量变量预测

国家自然科学基金青年项目

61903251

2021

10.11907/rjdk.202204

软件导刊
湖北省信息学会

软件导刊

影响因子：0.524
ISSN：1672-7800
年,卷(期)：2021.20(1)
  • 1
  • 3